Il Circolo Polare Artico si conferma una delle aree del pianeta più sensibili agli effetti delle attività umane. Oltre al noto fenomeno dell’amplificazione del riscaldamento globale dovuta alla rapida fusione dei ghiacci, cresce l’attenzione verso un altro fattore meno visibile ma altrettanto rilevante: il trasporto a lunga distanza degli inquinanti atmosferici prodotti alle medie e basse latitudini. Attraverso la circolazione atmosferica, polveri sottili e particolato raggiungono le regioni artiche, contribuendo non solo ad alterarne gli equilibri climatici, ma anche a peggiorare la qualità dell’aria. In particolare, la deposizione delle polveri sulla superficie nevosa e glaciale ne riduce la capacità di riflettere la radiazione solare, accelerandone così lo scioglimento. In alcune condizioni, i picchi di PM10 possono inoltre rappresentare un potenziale rischio per la salute delle popolazioni locali.
In questo contesto, la capacità di prevedere con precisione la concentrazione degli inquinanti diventa un elemento cruciale per la ricerca climatica e per la gestione dei rischi ambientali. È uno degli obiettivi del progetto europeo Arctic PASSION, nell’ambito del quale il Consiglio Nazionale delle Ricerche – Istituto sull’Inquinamento Atmosferico e il Joint Research Centre (JRC) hanno sviluppato nuove metodologie basate sull’intelligenza artificiale. In particolare, i ricercatori hanno ottimizzato un modello di rete neurale di tipo “Large Language Model” per stimare e prevedere la concentrazione di PM10 nelle aree dell’Artico e del Nord Europa, aprendo nuove prospettive per il monitoraggio ambientale su scala globale.
“Il modello utilizzato un modello – della classe Transformer- ha considerato quali input dati di misure di PM10 nel recente passato, previsioni di modelli CAMS dal sistema Copernicus, dati meteorologici e informazioni geografiche sulle varie stazioni, per prevedere la concentrazione di PM10 a distanza di 48 ore nel futuro”, spiega Alice Cuzzucoli (Cnr-Iia), prima autrice dell’articolo. “Confrontando le previsioni del modello con quanto poi accaduto realmente, i nostri risultati si sono rivelati sempre sensibilmente migliori di quelli dei classici modelli utilizzati finora, anche nella valutazione di picchi di concentrazione particolarmente estremi”.
Il modello mostra anche il modo più efficace di applicare metodiche di IA in campo ambientale: “Significativamente, i risultati migliori li otteniamo utilizzando la IA in modo sinergico rispetto ai classici modelli dinamici, e non in maniera alternativa, usando come input anche i loro risultati”, aggiunge Antonello Pasini (Cnr-Iia), coautore dello studio.
Lo studio assume una rilevanza strategica in un momento in cui la fusione dei ghiacci in Artico apre nuove rotte per navi inquinanti, mentre il riscaldamento globale e il cambiamento climatico a esso associato favoriscono l’estensione di incendi anche ad alte latitudini: “In questa situazione di probabili maggiori emissioni future, un’attività di previsione accurata è essenziale per tutelare l’ambiente e le popolazioni dell’Artico europeo”, conclude Pasini.